ترجمه فارسی مقاله سیستم تصمیم گیری یادگیری تقویتی مبتنی بر KAN بدون درگیری و بدون تلفات برای رانندگی تعاملی در میدان ها

چکیده

Safety and efficiency are crucial for autonomous driving in roundabouts, especially in the context of mixed traffic where autonomous vehicles (AVs) and human-driven vehicles coexist. This paper introduces a learning-based algorithm tailored to foster safe and efficient driving behaviors across varying levels of traffic flows in roundabouts. The proposed algorithm employs a deep Q-learning network to effectively learn safe and efficient driving strategies in complex multi-vehicle roundabouts. Additionally, a KAN (Kolmogorov-Arnold network) enhances the AVs’ ability to learn their surroundings robustly and precisely. An action inspector is integrated to replace dangerous actions to avoid collisions when the AV interacts with the environment, and a route planner is proposed to enhance the driving efficiency and safety of the AVs. Moreover, a model predictive control is adopted to ensure stability and precision of the driving actions. The results show that our proposed system consistently achieves safe and efficient driving whilst maintaining a stable training process, as evidenced by the smooth convergence of the reward function and the low variance in the training curves across various traffic flows. Compared to state-of-the-art benchmarks, the proposed algorithm achieves a lower number of collisions and reduced travel time to destination.

چکیده به فارسی (ترجمه ماشینی)

ایمنی و کارآیی برای رانندگی خودمختار در حومه دور ، به ویژه در زمینه ترافیک مختلط که در آن وسایل نقلیه خودمختار (AV) و وسایل نقلیه انسان محور همزیستی هستند ، بسیار مهم است.در این مقاله یک الگوریتم مبتنی بر یادگیری متناسب با تقویت رفتارهای رانندگی ایمن و کارآمد در سطوح مختلف جریان ترافیک در حوضه های مختلف ارائه شده است.الگوریتم پیشنهادی از یک شبکه یادگیری Q عمیق استفاده می کند تا به طور مؤثر استراتژی های رانندگی ایمن و کارآمد را در دور پیچیده چند وسیله نقلیه پیچیده یاد بگیرد.علاوه بر این ، یک KAN (شبکه Kolmogorov-Arnold) توانایی AVS را در یادگیری محیط اطراف خود به طور دقیق و دقیق تقویت می کند.یک بازرس عمل برای جایگزینی اقدامات خطرناک برای جلوگیری از برخورد در هنگام تعامل AV با محیط ، یکپارچه شده است و یک برنامه ریز مسیر برای افزایش راندمان رانندگی و ایمنی AV ها پیشنهاد می شود.علاوه بر این ، یک کنترل پیش بینی مدل برای اطمینان از ثبات و دقت اقدامات رانندگی اتخاذ شده است.نتایج نشان می دهد که سیستم پیشنهادی ما به طور مداوم در حالی که یک فرآیند آموزش پایدار را حفظ می کند ، به طور مداوم به رانندگی ایمن و کارآمد دست می یابد ، همانطور که با همگرایی صاف عملکرد پاداش و واریانس کم در منحنی های آموزش در جریان های مختلف ترافیک مشهود است.در مقایسه با معیارهای پیشرفته ، الگوریتم پیشنهادی به تعداد کمتری از برخورد و کاهش زمان سفر به مقصد دست می یابد.